基于深度渐进式反投影注意力网络的图像超分辨率重建

• 作者: 张开放 王晓明 胡高鹏 陈子鎏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 超分辨率 渐进式上采样 反投影网络 注意力机制 深度学习
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 2077-2083
• 页数: 7页
• 分类号: TP391.41
• 字数: 6851字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019122155

摘要

针对多数单帧图像超分辨率(SISR)方法在重建预测图像时存在高频信息丢失和上采样过程中会引入噪声以及特征图各通道之间的相互依赖关系难以确定等问题,提出了深度渐进式反投影注意力网络.首先使用渐进式上采样方法将低分辨率(LR)图像逐步缩放至给定的倍率,缓解上采样过程中造成的高频信息丢失等问题;然后在渐进式上采样的每个阶段融合迭代反投影思想,学习高分辨率(HR)和LR特征图之间的映射关系并减少上采样过程中引入的噪声;最后使用注意力机制为渐进式反投影网络不同阶段产生的特征图动态分配注意力资源,使网络模型学习到各特征图之间的相互依赖关系.实验结果表明,所提出的方法相比主流的超分辨率方法,峰值信噪比(PSNR)最高可增加3.16 dB,结构相似性最高可提升0.2184.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓明	西华大学计算机与软件工程学院	20	21	3.0	3.0
5	胡高鹏	西华大学计算机与软件工程学院	1	0	0.0	0.0
6	陈子鎏	西华大学计算机与软件工程学院	1	0	0.0	0.0
7	张开放	西华大学计算机与软件工程学院	1	0	0.0	0.0